class Hypergraph_Infomax(nn.Module): def __init__(self): super(Hypergraph_Infomax, self).__init__() self.Hypergraph = Hypergraph() self.readout = AvgReadout() self.sigm = nn.Sigmoid() self.disc = Discriminator() def forward(self, eb_pos, eb_neg): h_pos = self.Hypergraph(eb_pos) c = self.readout(h_pos) score = self.sigm(c) h_neg = self.Hypergraph(eb_neg) ret = self.disc(score, h_pos, h_neg) return h_pos, ret

这段代码实现了一个名为Hypergraph_Infomax的神经网络模型，用于对超图进行信息最大化学习。该模型由三个子模块组成：

- Hypergraph：超图编码器，用于将输入的边集（eb_pos和eb_neg）编码为超图。
- AvgReadout：超图池化操作，用于将超图中的节点信息汇总成一个固定长度的向量。
- Discriminator：判别器，用于判断输入的超图是否为真实超图（eb_pos）。

在forward函数中，首先用Hypergraph将eb_pos和eb_neg分别编码为超图h_pos和h_neg，然后通过AvgReadout将h_pos池化为一个向量c，并使用Sigmoid函数将c映射到[0, 1]之间得到score。最后，将score、h_pos和h_neg输入到Discriminator中，得到ret作为模型的输出。